一 QuerySet

可切片

使用Python 的切片語法來限制查詢集記錄的數目 。它等同於SQL 的LIMIT 和OFFSET

1

 
>>> Entry.objects.all()[:5]      # (LIMIT 5)


 
>>> Entry.objects.all()[5:10]    # (OFFSET 5 LIMIT 5)

不支持負的索引（例如Entry.objects.all()[-1]）。通常，查詢集 的切片返回一個新的查詢集

可迭代

articleList=models.Article.objects.all()

for article in articleList:
    print(article.title)

惰性查詢

查詢集 是惰性執行的 —— 創建查詢集不會帶來任何數據庫的訪問。你可以將過濾器保持一整天，直到查詢集

1

2

3

4

5

6

7

8

 
queryResult=models.Article.objects.all() # not hits database，通過看到的打印的翻譯出來的sql語句記錄，你會發現單純的這句話並沒有sql語句打印
 
print(queryResult) # hits database
 
for article in queryResult:
print(article.title)    # hits database

if判斷的時候也會執行，if queryResult:pass

一般來説，只有在“請求”查詢集 的結果時才會到數據庫中去獲取它們。當你確實需要結果時，查詢集 通過訪問數據庫來求值。 關於求值發生的準確時間，參見何時計算查詢集。　　

緩存機制

每個查詢集都包含一個緩存來最小化對數據庫的訪問。理解它是如何工作的將讓你編寫最高效的代碼。叫做queryset緩存空間

在一個新創建的查詢集中，緩存為空。首次對查詢集進行求值 —— 同時發生數據庫查詢 ——Django 將保存查詢的結果到查詢集(非簡單查詢的查詢結果，簡單查詢往下看。)的緩存中並返回明確請求的結果（例如，如果正在迭代查詢集，則返回下一個結果）。接下來對該查詢集

請牢記這個緩存行為，因為對查詢集使用不當的話，它會坑你的。例如，下面的語句創建兩個查詢集，對它們求值，然後扔掉它們：

1

2

 
print([a.title for a in models.Article.objects.all()])
print([a.create_time for a in models.Article.objects.all()])

這意味着相同的數據庫查詢將執行兩次，顯然倍增了你的數據庫負載。同時，還有可能兩個結果列表並不包含相同的數據庫記錄，因為在兩次請求期間有可能有Article被添加進來或刪除掉。為了避免這個問題，只需保存查詢集並重新使用它：

1

2

3

 
queryResult=models.Article.objects.all()
print([a.title for a in queryResult])
print([a.create_time for a in queryResult])
何時查詢集不會被緩存?

查詢集不會永遠緩存它們的結果。當只對查詢集的部分進行求值時會檢查緩存， 如果這個部分不在緩存中，那麼接下來查詢返回的記錄都將不會被緩存。所以，這意味着使用切片或索引來限制查詢集將不會填充緩存。

例如，重複獲取查詢集對象中一個特定的索引將每次都查詢數據庫：

1

2

3

 
>>> queryset = Entry.objects.all()
>>> print queryset[5] # Queries the database
>>> print queryset[5] # Queries the database again

然而，如果已經對全部查詢集求值過，則將檢查緩存：

1

2

3

4

 
>>> queryset = Entry.objects.all()
>>> [entry for entry in queryset] # Queries the database
>>> print queryset[5] # Uses cache
>>> print queryset[5] # Uses cache

下面是一些其它例子，它們會使得全部的查詢集被求值並填充到緩存中：

1

2

3

4

 
>>> [entry for entry in queryset]
>>> bool(queryset)
>>> entry in queryset
>>> list(queryset)

注意：簡單地打印查詢集不會填充緩存。

queryResult=models.Article.objects.all()
print(queryResult) #  hits database
print(queryResult) #  hits database

 

 

exists()與iterator()方法

exists：

簡單的使用if語句進行判斷也會完全執行整個queryset並且把數據放入cache，雖然你並不需要這些 數據！為了避免這個，可以用exists()方法來檢查是否有數據：

if queryResult.exists():
    #SELECT (1) AS "a" FROM "blog_article" LIMIT 1; args=()
        print("exists...")
iterator:

當queryset非常巨大時，cache會成為問題。

處理成千上萬的記錄時，將它們一次裝入內存是很浪費的。更糟糕的是，巨大的queryset可能會鎖住系統 進程，讓你的程序瀕臨崩潰。要避免在遍歷數據的同時產生queryset cache，可以使用iterator()方法 來獲取數據，處理完數據就將其丟棄。

java怎麼動態得控制某個bean的生成_緩存

java怎麼動態得控制某個bean的生成_緩存

objs = Book.objects.all().iterator()  --- objs變成了一個生成器，生成器也是迭代器，但是生成器有個特點，就是取完值就不能再取了
# iterator()可以一次只從數據庫獲取少量數據，這樣可以節省內存
for obj in objs:
    print(obj.title)
#BUT,再次遍歷沒有打印,因為迭代器已經在上一次遍歷(next)到最後一次了,沒得遍歷了
for obj in objs:
    print(obj.title)

java怎麼動態得控制某個bean的生成_緩存

java怎麼動態得控制某個bean的生成_緩存

當然，使用iterator()方法來防止生成cache，意味着遍歷同一個queryset時會重複執行查詢。所以使 #用iterator()的時候要當心，確保你的代碼在操作一個大的queryset時沒有重複執行查詢。

總結:

queryset的cache是用於減少程序對數據庫的查詢，在通常的使用下會保證只有在需要的時候才會查詢數據庫。 使用exists()和iterator()方法可以優化程序對內存的使用。不過，由於它們並不會生成queryset cache，可能 會造成額外的數據庫查詢。　

 

 


二 中介模型

處理類似搭配 pizza 和 topping 這樣簡單的多對多關係時，使用標準的ManyToManyField  就可以了。但是，有時你可能需要關聯數據到兩個模型之間的關係上。

例如，有這樣一個應用，它記錄音樂家所屬的音樂小組。我們可以用一個ManyToManyField 表示小組和成員之間的多對多關係。但是，有時你可能想知道更多成員關係的細節，比如成員是何時加入小組的。

對於這些情況，Django 允許你指定一箇中介模型來定義多對多關係。 你可以將其他字段放在中介模型裏面。源模型的ManyToManyField 字段將使用through 參數指向中介模型。對於上面的音樂小組的例子，代碼如下：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

 
from django.db import models
 
class Person(models.Model):
name = models.CharField(max_length=128)
 
def __str__(self):              # __unicode__ on Python 2
return self.name
 
class Group(models.Model):
name = models.CharField(max_length=128)
members = models.ManyToManyField(Person, through='Membership')
 
def __str__(self):              # __unicode__ on Python 2
return self.name
 
class Membership(models.Model):
person = models.ForeignKey(Person)
group = models.ForeignKey(Group)
date_joined = models.DateField()
invite_reason = models.CharField(max_length=64)

既然你已經設置好ManyToManyField 來使用中介模型（在這個例子中就是Membership），接下來你要開始創建多對多關係。你要做的就是創建中介模型的實例：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

 
>>> ringo = Person.objects.create(name="Ringo Starr")
>>> paul = Person.objects.create(name="Paul McCartney")
>>> beatles = Group.objects.create(name="The Beatles")
>>> m1 = Membership(person=ringo, group=beatles,
...     date_joined=date(1962, 8, 16),
...     invite_reason="Needed a new drummer.")
>>> m1.save()
>>> beatles.members.all()
[<Person: Ringo Starr>]
>>> ringo.group_set.all()
[<Group: The Beatles>]
>>> m2 = Membership.objects.create(person=paul, group=beatles,
...     date_joined=date(1960, 8, 1),
...     invite_reason="Wanted to form a band.")
>>> beatles.members.all()
[<Person: Ringo Starr>, <Person: Paul McCartney>]

與普通的多對多字段不同，你不能使用add、 create和賦值語句（比如，beatles.members = [...]）來創建關係：

1

2

3

4

5

6

 
# THIS WILL NOT WORK
>>> beatles.members.add(john)
# NEITHER WILL THIS
>>> beatles.members.create(name="George Harrison")
# AND NEITHER WILL THIS
>>> beatles.members = [john, paul, ringo, george]

為什麼不能這樣做？ 這是因為你不能只創建 Person和 Group之間的關聯關係，你還要指定 Membership模型中所需要的所有信息；而簡單的add、create 和賦值語句是做不到這一點的。所以它們不能在使用中介模型的多對多關係中使用。此時，唯一的辦法就是創建中介模型的實例。

remove()方法被禁用也是出於同樣的原因。但是clear()

1

2

3

4

5

 
>>> # Beatles have broken up
>>> beatles.members.clear()
>>> # Note that this deletes the intermediate model instances
>>> Membership.objects.all()
[]

 

 


三 查詢優化

 表數據

java怎麼動態得控制某個bean的生成_緩存_05

 View Code

 

 

select_related

簡單使用

對於一對一字段（OneToOneField）和外鍵字段（ForeignKey），可以使用select_related 來對QuerySet進行優化。

select_related 返回一個QuerySet，當執行它的查詢時它沿着外鍵關係查詢關聯的對象的數據。它會生成一個複雜的查詢並引起性能的損耗，但是在以後使用外鍵關係時將不需要數據庫查詢。

簡單説，在對QuerySet使用select_related()函數後，Django會獲取相應外鍵對應的對象，從而在之後需要的時候不必再查詢數據庫了。

下面的例子解釋了普通查詢和select_related()

查詢id=2的文章的分類名稱,下面是一個標準的查詢：

1

2

3

4

5

 
# Hits the database.
article=models.Article.objects.get(nid=2)
 
# Hits the database again to get the related Blog object.
print(article.category.title)

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

 
'''
 
SELECT
"blog_article"."nid",
"blog_article"."title",
"blog_article"."desc",
"blog_article"."read_count",
"blog_article"."comment_count",
"blog_article"."up_count",
"blog_article"."down_count",
"blog_article"."category_id",
"blog_article"."create_time",
"blog_article"."blog_id",
"blog_article"."article_type_id"
FROM "blog_article"
WHERE "blog_article"."nid" = 2; args=(2,)
 
SELECT
"blog_category"."nid",
"blog_category"."title",
"blog_category"."blog_id"
FROM "blog_category"
WHERE "blog_category"."nid" = 4; args=(4,)
 
 
'''

 如果我們使用select_related()函數：

1

2

3

4

5

6

7

 
articleList=models.Article.objects.select_related("category").all()
 
 
for article_obj in articleList:
#  Doesn't hit the database, because article_obj.category
#  has been prepopulated in the previous query.
print(article_obj.category.title)

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

 
SELECT
"blog_article"."nid",
"blog_article"."title",
"blog_article"."desc",
"blog_article"."read_count",
"blog_article"."comment_count",
"blog_article"."up_count",
"blog_article"."down_count",
"blog_article"."category_id",
"blog_article"."create_time",
"blog_article"."blog_id",
"blog_article"."article_type_id",
 
"blog_category"."nid",
"blog_category"."title",
"blog_category"."blog_id"
 
FROM "blog_article"
LEFT OUTER JOIN "blog_category" ON ("blog_article"."category_id" = "blog_category"."nid");

多外鍵查詢

這是針對category的外鍵查詢，如果是另外一個外鍵呢？讓我們一起看下：

1

2

 
article=models.Article.objects.select_related("category").get(nid=1)
print(article.articledetail)

 觀察logging結果，發現依然需要查詢兩次，所以需要改為：

1

2

 
article=models.Article.objects.select_related("category","articledetail").get(nid=1)
print(article.articledetail)

 或者：

article=models.Article.objects
　　　　　　　　　　　　　.select_related("category")
　　　　　　　　　　　　　.select_related("articledetail")
　　　　　　　　　　　　　.get(nid=1)  # django 1.7 支持鏈式操作
print(article.articledetail)

 

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

 
SELECT
 
"blog_article"."nid",
"blog_article"."title",
......
 
"blog_category"."nid",
"blog_category"."title",
"blog_category"."blog_id",
 
"blog_articledetail"."nid",
"blog_articledetail"."content",
"blog_articledetail"."article_id"
 
FROM "blog_article"
LEFT OUTER JOIN "blog_category" ON ("blog_article"."category_id" = "blog_category"."nid")
LEFT OUTER JOIN "blog_articledetail" ON ("blog_article"."nid" = "blog_articledetail"."article_id")
WHERE "blog_article"."nid" = 1; args=(1,)

深層查詢

1

2

3

4

 
# 查詢id=1的文章的用户姓名
 
article=models.Article.objects.select_related("blog").get(nid=1)
print(article.blog.user.username)

 依然需要查詢兩次：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

 
SELECT
"blog_article"."nid",
"blog_article"."title",
......
 
"blog_blog"."nid",
"blog_blog"."title",
 
FROM "blog_article" INNER JOIN "blog_blog" ON ("blog_article"."blog_id" = "blog_blog"."nid")
WHERE "blog_article"."nid" = 1;
 
 
 
 
SELECT
"blog_userinfo"."password",
"blog_userinfo"."last_login",
......
 
FROM "blog_userinfo"
WHERE "blog_userinfo"."nid" = 1;

 這是因為第一次查詢沒有query到userInfo表，所以，修改如下：

1

2

 
article=models.Article.objects.select_related("blog__user").get(nid=1)
print(article.blog.user.username)

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

 
SELECT
 
"blog_article"."nid", "blog_article"."title",
......
 
"blog_blog"."nid", "blog_blog"."title",
......
 
"blog_userinfo"."password", "blog_userinfo"."last_login",
......
 
FROM "blog_article"
 
INNER JOIN "blog_blog" ON ("blog_article"."blog_id" = "blog_blog"."nid")
 
INNER JOIN "blog_userinfo" ON ("blog_blog"."user_id" = "blog_userinfo"."nid")
WHERE "blog_article"."nid" = 1;

總結

  1. select_related主要針一對一和多對一關係進行優化。
  2. select_related使用SQL的JOIN語句進行優化，通過減少SQL查詢的次數來進行優化、提高性能。
  3. 可以通過可變長參數指定需要select_related的字段名。也可以通過使用雙下劃線“__”連接字段名來實現指定的遞歸查詢。
  4. 沒有指定的字段不會緩存，沒有指定的深度不會緩存，如果要訪問的話Django會再次進行SQL查詢。
  5. 也可以通過depth參數指定遞歸的深度，Django會自動緩存指定深度內所有的字段。如果要訪問指定深度外的字段，Django會再次進行SQL查詢。
  6. 也接受無參數的調用，Django會盡可能深的遞歸查詢所有的字段。但注意有Django遞歸的限制和性能的浪費。
  7. Django >= 1.7，鏈式調用的select_related相當於使用可變長參數。Django < 1.7，鏈式調用會導致前邊的select_related失效，只保留最後一個。

prefetch_related()

對於多對多字段（ManyToManyField）和一對多字段，可以使用prefetch_related()來進行優化。

prefetch_related()和select_related()的設計目的很相似，都是為了減少SQL查詢的數量，但是實現的方式不一樣。後者是通過JOIN語句，在SQL查詢內解決問題。但是對於多對多關係，使用SQL語句解決就顯得有些不太明智，因為JOIN得到的表將會很長，會導致SQL語句運行時間的增加和內存佔用的增加。若有n個對象，每個對象的多對多字段對應Mi條，就會生成Σ(n)Mi 行的結果表。

prefetch_related()的解決方法是，分別查詢每個表，然後用Python處理他們之間的關係。

1

2

3

4

5

 
# 查詢所有文章關聯的所有標籤
article_obj=models.Article.objects.all()
for i in article_obj:
 
print(i.tags.all())  #4篇文章: hits database 5

改為prefetch_related：

1

2

3

4

5

 
# 查詢所有文章關聯的所有標籤
article_obj=models.Article.objects.prefetch_related("tags").all()
for i in article_obj:
 
print(i.tags.all())  #4篇文章: hits database 2

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

 
SELECT "blog_article"."nid",
"blog_article"."title",
......
 
FROM "blog_article";
 
 
 
SELECT
("blog_article2tag"."article_id") AS "_prefetch_related_val_article_id",
"blog_tag"."nid",
"blog_tag"."title",
"blog_tag"."blog_id"
FROM "blog_tag"
INNER JOIN "blog_article2tag" ON ("blog_tag"."nid" = "blog_article2tag"."tag_id")
WHERE "blog_article2tag"."article_id" IN (1, 2, 3, 4);

 

 


四 extra

 extra(select=None, where=None, params=None,

tables=None, order_by=None, select_params=None)

有些情況下，Django的查詢語法難以簡單的表達複雜的 WHERE 子句，對於這種情況, Django 提供了 extra() QuerySet修改機制 — 它能在 QuerySet生成的SQL從句中注入新子句

extra可以指定一個或多個 參數,例如 select, where or tables. 這些參數都不是必須的，但是你至少要使用一個!要注意這些額外的方式對不同的數據庫引擎可能存在移植性問題.(因為你在顯式的書寫SQL語句),除非萬不得已,儘量避免這樣做

參數之select

The select 參數可以讓你在 SELECT 從句中添加其他字段信息，它應該是一個字典，存放着屬性名到 SQL 從句的映射。

queryResult=models.Article
　　　　　　　　　　　.objects.extra(select={'is_recent': "create_time > '2017-09-05'"})

結果集中每個 Entry 對象都有一個額外的屬性is_recent, 它是一個布爾值，表示 Article對象的create_time 是否晚於2017-09-05.

練習：

java怎麼動態得控制某個bean的生成_緩存

java怎麼動態得控制某個bean的生成_緩存

# in sqlite:
    article_obj=models.Article.objects
　　　　　　　　　　　　　　.filter(nid=1)
　　　　　　　　　　　　　　.extra(select={"standard_time":"strftime('%%Y-%%m-%%d',create_time)"})
　　　　　　　　　　　　　　.values("standard_time","nid","title")
    print(article_obj)
    # <QuerySet [{'title': 'MongoDb 入門教程', 'standard_time': '2017-09-03', 'nid': 1}]>

java怎麼動態得控制某個bean的生成_緩存

java怎麼動態得控制某個bean的生成_緩存

參數之where / tables

您可以使用where定義顯式SQL WHERE子句 - 也許執行非顯式連接。您可以使用tables手動將表添加到SQL FROM子句。

where和tables都接受字符串列表。所有where參數均為“與”任何其他搜索條件。

舉例來講：

queryResult=models.Article
　　　　　　　　　　　.objects.extra(where=['nid in (1,3) OR title like "py%" ','nid>2'])

回到頂部

整體插入

創建對象時，儘可能使用bulk_create()來減少SQL查詢的數量。例如：

Entry.objects.bulk_create([
    Entry(headline="Python 3.0 Released"),
    Entry(headline="Python 3.1 Planned")
])

...更優於：

Entry.objects.create(headline="Python 3.0 Released")
Entry.objects.create(headline="Python 3.1 Planned")

注意該方法有很多注意事項，所以確保它適用於你的情況。

這也可以用在ManyToManyFields中，所以：

my_band.members.add(me, my_friend)

...更優於：

my_band.members.add(me)
my_band.members.add(my_friend)

...其中Bands和Artists具有多對多關聯。

 

 

 

 


五 xxx

 

 

 

 

 

 


六 xxx

 

 

 

 


七 xxx

 

 

 

 


八 xxx

　

可切片

使用Python 的切片語法來限制查詢集記錄的數目 。它等同於SQL 的LIMIT 和OFFSET

1

 
>>> Entry.objects.all()[:5]      # (LIMIT 5)


 
>>> Entry.objects.all()[5:10]    # (OFFSET 5 LIMIT 5)

不支持負的索引（例如Entry.objects.all()[-1]）。通常，查詢集 的切片返回一個新的查詢集

可迭代

articleList=models.Article.objects.all()

for article in articleList:
    print(article.title)

惰性查詢

查詢集 是惰性執行的 —— 創建查詢集不會帶來任何數據庫的訪問。你可以將過濾器保持一整天，直到查詢集

1

2

3

4

5

6

 
queryResult=models.Article.objects.all() # not hits database
 
print(queryResult) # hits database
 
for article in queryResult:
print(article.title)    # hits database